深度研究 MCP 服务器

“深度研究”MCP 服务器的功能是什么？

深度研究 MCP 服务器旨在通过利用 AI 能力，简化复杂主题的全面研究流程。作为 AI 助手与外部数据源之间的桥梁，它自动化探索研究问题、识别关键概念以及生成结构化、有充分引用的报告。该服务器集成了网页搜索、内容分析和报告合成，协助用户扩展问题、生成子问题、收集相关资源，并得出基于证据的结论。其主要作用是赋能开发者和研究人员进行深入调查、挖掘权威来源，并自动化整理和呈现研究发现的工作流。

提示词列表

• deep-research：为结构化的全面研究任务量身定制。

资源列表

在可用文档或仓库文件中未描述明确的资源。

工具列表

在可用仓库文件（包括 server.py 或同等文件）中未列出明确的工具。

该 MCP 服务器的应用场景

• 学术研究辅助：自动化扩展研究问题、生成子问题和合成研究发现，节省学生和学者时间。
• 市场或趋势分析：支持用户有结构地调查市场或趋势，收集权威来源并呈现平衡报告。
• 技术主题总结：协助开发者和专业人士将技术主题拆解为子问题，组织网络搜索结果，并生成全面文档。
• 内容创作支持：为写作者和记者提供针对复杂主题的有引用、基于证据的摘要，用于文章或报告。
• 决策支持：帮助决策者在做出重要决策前，探索多角度并收集相关数据。

如何设置

Windsurf

1. 确保已安装 Node.js 和 uv/uvx 等前置条件。
2. 找到您的 Windsurf 配置文件。
3. 在 mcpServers 对象中添加深度研究 MCP 服务器，示例代码如下：

   "mcpServers": {
     "mcp-server-deep-research": {
       "command": "uvx",
       "args": [
         "--directory",
         "/path/to/mcp-server-deep-research",
         "run",
         "mcp-server-deep-research"
       ]
     }
   }
   

4. 保存配置并重启 Windsurf。
5. 验证服务器是否运行且可访问。

Claude

1. 从此处下载并安装 Claude Desktop。
2. 在 macOS 上运行：

   python setup.py
   

3. 找到您的 Claude 配置文件：
   • macOS：~/Library/Application Support/Claude/claude_desktop_config.json
   • Windows：%APPDATA%/Claude/claude_desktop_config.json
4. 按如下方式添加或更新 mcpServers 配置：

   "mcpServers": {
     "mcp-server-deep-research": {
       "command": "uvx",
       "args": [
         "--directory",
         "/path/to/mcp-server-deep-research",
         "run",
         "mcp-server-deep-research"
       ]
     }
   }
   

5. 保存文件并重启 Claude。
6. 选择 deep-research 提示模版开始使用。

Cursor

1. 确保已安装 Node.js 和 uvx。
2. 找到 Cursor MCP 配置文件。
3. 按如下方式添加深度研究 MCP 服务器：

   "mcpServers": {
     "mcp-server-deep-research": {
       "command": "uvx",
       "args": [
         "--directory",
         "/path/to/mcp-server-deep-research",
         "run",
         "mcp-server-deep-research"
       ]
     }
   }
   

4. 保存配置并重启 Cursor。
5. 确认其已正常运行。

Cline

1. 确保已安装所有依赖项（Node.js，uvx）。
2. 找到 Cline 配置文件。
3. 插入以下 MCP 服务器配置：

   "mcpServers": {
     "mcp-server-deep-research": {
       "command": "uvx",
       "args": [
         "--directory",
         "/path/to/mcp-server-deep-research",
         "run",
         "mcp-server-deep-research"
       ]
     }
   }
   

4. 保存更改后重启 Cline。
5. 验证服务器可访问性。

保障 API 密钥安全

为保障 API 密钥安全，请在配置中使用环境变量。例如：

"mcpServers": {
  "mcp-server-deep-research": {
    "command": "uvx",
    "args": [
      "--directory",
      "/path/to/mcp-server-deep-research",
      "run",
      "mcp-server-deep-research"
    ],
    "env": {
      "API_KEY": "${API_KEY}"
    },
    "inputs": {
      "api_key": "${API_KEY}"
    }
  }
}

如何在流程中使用该 MCP

在 FlowHunt 中使用 MCP

要将 MCP 服务器集成到 FlowHunt 工作流中，首先将 MCP 组件添加到您的流程，并将其连接到您的 AI 代理：

点击 MCP 组件以打开配置面板。在系统 MCP 配置部分，按照如下 JSON 格式插入您的 MCP 服务器信息：

{
  "mcp-server-deep-research": {
    "transport": "streamable_http",
    "url": "https://yourmcpserver.example/pathtothemcp/url"
  }
}

配置完成后，AI 代理即可作为工具使用此 MCP，获得其全部功能与能力。请记得将 “mcp-server-deep-research” 替换为您实际的 MCP 服务器名称，并将 URL 替换为您自己的 MCP 服务器地址。

概览

我们的观点

该 MCP 服务器文档清晰，工作流描述完善，提供了提示模版，但缺乏资源、工具或如根节点、采样等高级 MCP 特性的详细信息。API 或工具的缺失限制了其在某些高级场景下的灵活性。总体而言，非常适合结构化研究流程，但不适用于高度定制化集成场景。

MCP 评分